電子發(fā)燒友網報道（文/黃晶晶）DeepSeek-R1是幻方量化旗下深度求索（DeepSeek）公司研發(fā)的推理模型。DeepSeek-R1于2025年1月20日正式發(fā)布。該模型采用強化學習進行后訓練，旨在提升推理能力，尤其擅長數學、代碼和自然語言推理等復雜任務。

DeepSeek-R1在發(fā)布后迅速引發(fā)了廣泛關注，以高性能與低訓練成本令外界震驚。DeepSeek表示， DeepSeek-R1在數學、代碼、自然語言推理等任務上，性能比肩 OpenAI o1 正式版。

去年12月底發(fā)布的DeepSeek-V3模型，整個訓練使用2048塊英偉達H800 GPU僅花費約557.6萬美元，不到其他頂尖模型訓練成本的十分之一。H800是英偉達特供中國顯卡，相較于它的旗艦芯片H100降低了部分性能。OpenAI的GPT-4o模型訓練采用的是上萬個H100 GPU。DeepSeek-V3性能與GPT-4o相近。而DeepSeek-R1與OpenAI的o1相比，其成本僅為3%-5%。

這意味著，高性能AI模型的開發(fā)不必依賴于昂貴的算力和海量的數據，卻能達到國外頂級AI大模型的效果。DeepSeek讓大模型推理應用更加平民化、普及化，于存儲行業(yè)而言，它既能降低存儲成本，又能激發(fā)更多存儲技術的創(chuàng)新，拓展存儲應用，真正利好存儲行業(yè)的發(fā)展。

降低存儲成本

DeepSeek通過算法優(yōu)化和模型壓縮等技術大幅降低了AI模型的訓練成本。也令一些企業(yè)看到軟件和硬件的結合，比單純地堆硬件能獲得更佳的效果。DeepSeek不僅降低了對高端GPU的需求，對于高性能計算的關鍵存儲高帶寬內存（HBM）的需求也可能放緩。這使得一些企業(yè)對AI服務器的投入或將不再著眼于更高規(guī)格的配置，從而降低了其購置成本。

不過，DeepSeek本身在大模型訓練和推理時，仍然離不開高性能存儲。從長期來看，AI應用對數據存儲容量和速率都有著更高要求。

DeepSeek大模型訓練需要處理海量的數據，像DeepSeek-V3訓練使用了大規(guī)模的語料庫，總參數達6710億，這些數據的存儲、讀取和傳輸都需要大量高性能存儲芯片來支持。在推理階段，DeepSeek-R1應用于智能客服、圖像識別、自然語言處理等眾多場景時，會產生大量的中間數據和結果數據，需要存儲芯片進行臨時或長期存儲。隨著AI應用場景的廣泛落地，存儲芯片的總需求有望增加。

促進存儲創(chuàng)新

DeepSeek的技術發(fā)展可能會促使存儲芯片制造商探索新的存儲架構和解決方案，以更好地滿足AI應用的需求。例如，隨著AI模型的本地部署量增加，對低功耗、高能效的存儲芯片如LPDDR以及高速內存的需求可能會增長。

近期DeepSeek運行在AMD EPYC CPU上，無需顯卡支持，而搭配高頻內存多通道內存能夠有效提升運行速度，token/秒值得到明顯提升，且功耗低、成本更低。

DeepSeek的算法可適配存內計算架構，減少數據搬運能耗。例如，優(yōu)化神經網絡模型以匹配ReRAM（阻變存儲器）的模擬計算特性。還可與存儲廠商合作優(yōu)化AI加速器與存儲的接口協(xié)議（如CXL），降低系統(tǒng)級延遲。

計算和存儲能力的提升是AI技術持續(xù)進步和廣泛應用的硬件基礎。AI訓練和推理過程中，需要頻繁地讀取和處理海量數據，高性能計算芯片要充分發(fā)揮其性能優(yōu)勢，需要高性能的內存系統(tǒng)與之匹配。因此，HBM仍然是滿足高強度數據處理所不可或缺的內存。SK海力士、三星電子、美光三大家的HBM內存競賽也來到了HBM4階段，隨著技術研發(fā)的深入將不斷推出高帶寬HBM內存進階。

除HBM之外，AI服務器對于傳統(tǒng)高性能DIMM內存的容量與讀取性能要求也明顯提升，與此相應的，DDR5在RDIMM產品的滲透率大幅增長。同時，AI服務器進行大模型訓練時產生的數據相較傳統(tǒng)服務器的中間數據極具保存價值，因此保存次數大幅度增加。在此情形下eSSD的高速度、低能耗優(yōu)勢決定其可以大面積取代HDD，全球各大云服務提供商均開始大規(guī)模采購eSSD。江波龍表示eSSD與RDIMM產品已在互聯網、運營商等領域的多個知名客戶處完成了產品驗證和批量出貨，未來公司將通過與大客戶的深度長期合作，實現企業(yè)級業(yè)務的持續(xù)高速增長。

AI推理廣泛落地，存儲需求增長

根據 IDC 數據，隨著人工智能進入大規(guī)模落地應用的關鍵時期，云端推理占算力的比例將逐步提升，“預計到 2026 年，推理占到 62.2%，訓練占 37.8%?！边@一預測進一步強調了 AI 推理在未來市場競爭中的核心地位。

根據機構測算，到2028年人工智能的推理負載占比有望達到85%，考慮到云端和邊緣側巨大的推理需求，未來推理芯片的預期市場規(guī)模將是訓練芯片的4～6倍。

在邊緣計算場景下，DeepSeek-R1推理大模型應用于AIoT設備，必將對低功耗、高耐久存儲提出需求，推動NOR Flash、MRAM等細分市場增長。

兆易創(chuàng)新談到NOR Flash在 AI終端的應用。AIPC方面，隨著BIOS程序量代碼量的不斷增長，對NORFlash提出了更大容量的需求，即便PC總量維持不變，程序量的增長也會帶動NORFlash 容量的提升。

AI眼鏡是新的品類，期待AI眼鏡能夠發(fā)展成與TWS可比的品類，新需求對于NORFlash將會形成較明顯的拉動作用。耳機方面，目前除了行業(yè)頭部品牌對于NORFlash的容量需求比較大，大部分中低端的TWS耳機，由于功能相對簡單，所以對NORFlash的容量要求很小。未來如果AI耳機能夠升級，對NORFlash容量的拉動就會比較明顯。如果未來消費者要求耳機必須加入AI功能，那么隨著AI耳機滲透率的提升，對NOR Flash 容量的需求也會增長，即便耳機總的銷售臺數不增加，只要單機容量提升，對市場規(guī)模也是有拉動效果的。

寫在最后

DeepSeek的算法革新降低了對最尖端算力的依賴，最近一大批國內CPU、GPU、AI芯片廠商踴躍適配DeepSeek，將有利于國產芯片在AI推理市場的競爭力提升。DeepSeek推理模型在邊緣計算設備和企業(yè)本土化的部署，也將刺激更多推理芯片需求。存儲芯片作為AI存力的組成部分，最先受益的莫過于HBM，如今DeepSeek帶來的AI推理應用大爆發(fā)，將帶動主流存儲芯片品類真正的市場機會。